Robust object detection from registered infrared and visible image streams is proposed for outdoor surveillance. In doing this, halo effect in infrared images is used as a benefit to extract object boundary by fitting active contour models (snake) to the foreground regions where these regions are detected by using the useful information from both visual and infrared domains together.Synchronization and registration are performed for each infrared and visible image couple. Various background modeling methods such as Single Gaussian, Non-Parametric and Mixture of Gaussian models are implemented. For Single Gaussian and Mixture of Gaussian background modeling, infrared, color intensity and color channels domains are modelled separately. First of all, background subtraction is applied in the infrared domain in order to find the initial foreground regions and these are used as a mask for the foreground detection in the visible domain. After removing the shadows from the foreground regions in the visible domain, pixelwiseOR operation is applied between the foreground regions of the infrared and visible couple and the final foreground mask is formed. For Non-Parametric background modeling, all domains are used altogether to extract foreground regions. For all background modelling methods, the resulting mask is used to get the final foreground regions in the infrared image. Finally, snake is applied to eachconnected component of the foreground regions on the infrared image for the purpose of object detection.Two datasets are used to demonstrate our results for human detection where comparisons against manually segmented human regions and against other results in the literature are presented.

Bu tez kapsamında, dış alan güvenliği için birbiriyle uyumlanmış kızıl ötesi ve renkli görüntü dizilerinden sağlam nesne bulunması önerilmistir. Bu işi gerçeklestirmek için, kızıl ötesinde bulunan ?halo? etkisi, bir avantaj olarak, nesnelerin sınırlarının, aktif kontur modellerin ön plan alanlarına uyarlanarak çıkartılmasında kullanılmıstır. Ön plan, kızıl ötesi ve renkli alanlardan elde edilen kullanıslı bilgilerin kullanılmasıyla bulunmaktadır.Her bir kızıl ötesi ve renkli resim çifti için eşleme ve uyumlama işlemi gerçeklestirilmektedir. Tekli Gaussian, parametrik olmayan ve karma Gaussian modelleri gibi, bir çok arka plan modelleme metotları uygulanmıştır. Tekli ve karışım Gaussian arka plan modelleri için, arka plan istatistiksel olarak her bir kızıl ötesi, renk yoğunluğu ve kanalları alanında ayrı ayrı modellenmiştir. Arka plan çıkarma işlemi ilk olarak kızılötesi alanda, ön planın çıkarılması için yapılmıs ve bu bölge renkli alanlarda arka plan çıkarma işleminde maske olarak kullanılmıştır. Renkli alanın ön planında bulunan gölgeler çıkarıldıktan sonra, son maske, kızıl ötesi ve renkli çiftin ön plan bölgelerine, piksel bazında ?veya? islemi uygulanması ile oluşturulur. Parametrik olmayan model için, bütün alanlar ön plan alanlarının çıkartılması için birlikte kullanılmıştır. Bütün arka plan modelleme metotları için, sonuçta olusan maske, kızıl ötesi resimden ilgili bölgelerin elde edilmesi amacıyla kullanılmaktadır. Son olarak, nesne bulunması amacıyla, kızıl ötesi resmindeki bulunan ön plan bölgelerinden her bir bağlı parçasına ?snake? algoritması uygulanır.Insan bulma için elde ettigimiz sonuçları göstermek amacıyla iki veri kümesi kullanılmıştır. El il insan nesnesi bölgeleri ve ayrıca literatürde bulunan diger sonuçlar ile kıyaslamalar sunulmuştur.